شبکه عصبی کامپیوتری با استفاده حالت ریسک و تقویت یادگیری

حفاظت از شبکه های عصبی کامپیوتری در رابطه زیر ساخت های فن آوری اطلاعات،حوادث مخرب و اتفاقی فعال هستند. با توجه به پیچدگی روبه و با سرعتی که رشد از سیستم های حملات می توانند به طور خودکار راه اندازی شوند اقدامات موثر لازم برای کاهش حادثه در شبکه  انجام می شود. این جا به حفاظت  شبکه کامپیوتری عصبی که می توان با استفاده از تقویت یادگیری  و ارزیابی ریسک برای عمل مطلوب ، یا سیاستی که داده های  شبکه کامپیوتری  در این شرایط بهبودی خود را  بدست می آورند اشاره میشود.

شبکه های عصبی اطلاعات را به روشی مشابه با کاری که مغز انسان انجام می دهد پردازش می کنند. آنها از تعداد زیادی از عناصر پرداز شی(سلول عصبی) که فوق العاده بهم پیوسته اند تشکیل شده است که این عناصر به صورت موازی باهم برای حل یک مسئله مشخص کار می کنند .شبکه های عصبی با مثال کار می کنند و نمی توان آنها را برای انجام یک وظیفه خاص برنامه ریزی کرد مثال ها می بایست با دقت انتخاب شوند در غیر این صورت زمان سودمند، تلف می شود و یا حتی بدتر از این شبکه ممکن است نا درست کار کند. امتیاز شبکه عصبی این است که خودش کشف می کند که چگونه مسئله را حل کند ، عملکرد آن غیر قابل پیش گویی است.

دستیابی به کیفیت سرویس در شبکه های حسگر بیسیم با استفاده از آتوماتاهای یادگیر سلولی(فرمت ورد Word )تعداد صفحات 136

چکیده

یک شبکه حسگر بی سیم از تعداد زیادی از نودهای حسگر  در یک ناحیه خاص تشکیل شده است که هر یک از آنها توانایی جمع آوری اطلاعات ازمحیط را دارا می باشد و داده های جمع آوری شده را به نود سینک ارسال می کند. هر چند که به طور کلی راجع به شبکه های حسگر بی سیم تحقیقات زیادی صورت گرفته است، در مورد کیفیت سرویس در این شبکه ها هنوز به اندازه کافی کار نشده است. کیفیت سرویس در شبکه های حسگر بی سیم نسبت به شبکه های سنتی بسیار متفاوت است. از آنجایی که زمینه کاربرد این شبکه ها بسیار وسیع می باشد، پارامترهای کیفیت سرویس درآنها متفاوت است. بعضی از پارامترهایی که در ارزیابی کیفیت سرویس مورد استفاده قرار می گیرند عبارتند از: پوشش شبکه, تعداد بهینه نودهای فعال در شبکه, طول عمر شبکه و میزان مصرف انرژی.

تکنیکی که ما جهت بهبود پارامترهای کیفیت سرویس در شبکه ها ی حسگر مورد استفاده قرار داده ایم, روش هوشمند اتوماتاهای یادگیر سلولی(CLA) می باشد. اتوماتای یادگیر سلولی یک رهیافت مکاشفه‌ای برای حل مسایل بهینه‌سازی پیچیده می‌باشد که بررسی‌های اخیر برروی آن، کارایی مناسب آن را به عنوان تکنیکی برای حل این‌گونه مسائل نشان داده است.

چکیده 8

1-   مقدمه  9

1-1-   شبکه های حسگر بی سیم. 9

1-1-1-    مسائل مطرح در شبکه های حسگر بی سیم. 12

1-1-2-    پوشش محیط در شبکه های حسگر بی سیم. 14

1-1-3-    خوشه بندی در شبکه های حسگر بی سیم. 15

1-1-4-    تجمیع داده ها در شبکه های حسگر. 16

1-2-   کیفیت سرویس در شبکه های حسگر بی سیم. 17

1-2-1-    کیفیت سرویس در شبکه های داده ای سنتی.. 19

1-2-2-    کیفیت سرویس در شبکه های حسگر بی سیم. 21

1-3-   آتوماتای یادگیر. 24

1-3-1-    آتوماتای یادگیر. 26

1-3-2-    معیار‌های رفتار اتوماتای یادگیر. 29

1-3-3-    الگوریتمهای یادگیری.. 30

1-3-4-    آتوماتای یادگیر با عملهای متغیر. 34

1-4-   آتوماتای یادگیر سلولی.. 35

1-4-1-    آتوماتای سلولی   35

1-4-2-    آتوماتای یادگیر سلولی (CLA) 39

1-5-   اهداف پایان نامه و ساختار آن. 42

2-   پوشش محیط در شبکه های حسگر بی سیم با استفاده از آتوماتاهای یادگیرسلولی   44

2-1-   مقدمه                    44

2-1-1-    اشکال مختلف طراحی.. 45